基于订单数据的网约车充电行为驱动因素及非线性效应

为探究建成环境对电动网约车的充电行为驱动因素和非线性效应,本文以南京市网约车为例,提出一种基于订单数据的电动网约车充电行为识别算法,从密度、多样性、设计、目的可达性和公交临近度这5个维度构建建成环境指标,利用XGBoost模型和SHAP(SHAPley additive explanatory)值算法,识别影响电动网约车充电行为的关键因素,分析各因素与网约车充电行为之间的潜在非线性关系。同时,本文将该模型拟合回归效果与随机森林(RF)和LightGBM进行比较,以验证XGBoost模型在拟合回归效果上的优势。结果表明:XGBoost模型的拟合效果优于其他模型,具有最小的预测误差波动和最高的R^(2)值(0.446)。在影响网约车充电行为的建成环境因素中,餐馆数量、与市中心的距离和休闲娱乐设施数量对网约车充电行为影响最大,对充电行为的贡献度超过75%。此外,建成环境各因素对网约车充电行为均存在非线性效应,到市中心的距离对充电行为的影响呈现先正后负的反馈特征,其余变量对充电行为的影响则呈现先负后正的反馈特征。